脈沖渦流裂紋檢測(cè)系統(tǒng)研究.pdf

1、脈沖渦流裂紋檢測(cè)系統(tǒng)從渦流檢測(cè)原理入手,并據(jù)此原理之上著重論述了脈沖渦流檢測(cè)信號(hào)的獲取技術(shù)。在使用小波變換對(duì)信號(hào)進(jìn)行消噪、獲取裂紋信息后,使用主成分分析方法提取信號(hào)的特征值,依據(jù)特征值選擇合適的裂紋分類(lèi)算法對(duì)信號(hào)進(jìn)行進(jìn)一步處理。主要研究使用神經(jīng)元網(wǎng)絡(luò)方法和支持向量機(jī)算法對(duì)獲取的特征值進(jìn)行分類(lèi),以此來(lái)識(shí)別金屬材料的表面及亞表面裂紋,從而準(zhǔn)確掌握了金屬材料質(zhì)量的可靠性信息,對(duì)其進(jìn)一步使用或者更新提供了有效的依據(jù)。
　　 本文重點(diǎn)論述

2、了裂紋檢測(cè)算法在脈沖渦流裂紋檢測(cè)系統(tǒng)中的應(yīng)用,包括對(duì)檢測(cè)信號(hào)進(jìn)行分類(lèi)以及對(duì)算法性能的對(duì)比分析。BP神經(jīng)網(wǎng)絡(luò)采用梯度下降法進(jìn)行學(xué)習(xí)、非線性可微分函數(shù)進(jìn)行訓(xùn)練,對(duì)非線性數(shù)據(jù)具有良好的全局逼近和泛化能力。BP神經(jīng)元網(wǎng)絡(luò)在權(quán)值和閾值訓(xùn)練中耗時(shí)較長(zhǎng),采用改進(jìn)的遺傳算法以實(shí)數(shù)代替二進(jìn)制數(shù)據(jù)進(jìn)行編碼,幫助神經(jīng)元網(wǎng)絡(luò)算法在全局內(nèi)尋優(yōu),以盡快獲得合適的權(quán)值和閾值,完成BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練,從而形成了MGA-BP算法。支持向量機(jī)SVM算法是以統(tǒng)計(jì)學(xué)習(xí)理論為依

3、據(jù)的一種十分有效的分類(lèi)方法,在對(duì)小樣本空間的分類(lèi)上表現(xiàn)出極大的優(yōu)勢(shì),可利用最優(yōu)和廣義最優(yōu)超平面將原樣本空間轉(zhuǎn)換為高維樣本空間對(duì)非線性數(shù)據(jù)進(jìn)行兩類(lèi)或多種分類(lèi),泛化能力較強(qiáng)。文中利用Matlab建模和仿真工具對(duì)MGA—BP神經(jīng)網(wǎng)絡(luò)和SVM算法進(jìn)行建模,并使用脈沖渦流信號(hào)對(duì)兩種分類(lèi)方法進(jìn)行測(cè)試和對(duì)比分析,確定在脈沖渦流裂紋檢測(cè)系統(tǒng)中使用MGA-BP算法來(lái)實(shí)現(xiàn)檢測(cè)信號(hào)的分類(lèi)可提高裂紋的識(shí)別率。
　　 以DE2開(kāi)發(fā)板平臺(tái),FPGA器件和S